中国经济学奖获得者陈晓红发表获奖演说

本篇文章3403字，读完约9分钟

财经网站消息11月18日，2017中国经济学家颁奖典礼在北京华彬歌剧院举行。邹至庄以“邹氏检验”获奖，以“一套内生半非参数条件矩模型的估计和推断方法”获奖，两人共获200万元奖金。

陈小红发表了获奖感言。以下是这次演讲的记录:

陈小红:我衷心感谢夏斌主席和北京当代经济学基金会设立并组织中国经济学奖的评审。这个奖项的目的是鼓励经济创新和繁荣经济科学。这项公益事业值得我们钦佩和赞赏。我也非常感谢今年的奖励委员会对邹教授和我的计量经济学的认可。我很惭愧能与邹教授分享今年的中国经济学奖。除了邹教授的实验，邹教授在中国计量经济学和宏观经济学方面也做了许多开创性的研究。更值得称道的是邹教授为中国经济改革和经济教育现代化做出了重要贡献。我个人受益于邹教授当年开设的培训班，所以我很荣幸能与邹教授分享今年的经济学奖。该基金会授予我的奖项是对我这一代中国计量经济学家和女性经济学家的肯定。我希望这个奖项能鼓励更多年轻的经济学奖获得者致力于经济学的创新。

一路上，我得到了很多帮助和支持。我在武汉大学数学系学习，受益于中国政府的改革开放政策和邹教授创办的中美经济学培训班，并能在加州大学旧金山分校学习并获得经济学博士学位。在芝加哥教书期间，我很幸运得到了认真的学术指导。那里的教授们严谨的研究给我留下了深刻的印象，但不幸的是，我没有得到更多宝贵的机会。1999年，我有幸得到了彼得·罗宾逊教授在伦敦任教的机会，受益匪浅。从2011年到2002年，我访问了普林斯顿，并得到了邹教授的指导。从2012年到2017年，我有幸向托马斯·萨金特教授学习。在此期间，我得到了许多教授的鼓励和支持，我非常幸运地遇到了非常聪明和年轻的合作者。今天，几位教授远道而来参加这个颁奖仪式，我深受感动。一直以来，我的家人都非常支持我的工作。我想借此机会向所有关心和帮助我的老师、同事、朋友和亲戚表示衷心的感谢！

我的研究是半非参数模型和筛选方法。模型用于预测，半非参数模型是由有限维和无限维决定的概率分布群。近年来，我们收集的数据越来越多，经济模型也越来越复杂，因此半非参数模型变得非常普遍。通过求解具有一系列渐进参数空.的经验目标函数优化问题来估计筛选方法我相信你对这里的许多理论不感兴趣。作为经济学家，我们为什么感兴趣？因为我们可以通过这种判断和模型在一定的维度上理解研究的局限性，所以所有现有的用于估计非线性参数模型的准则都是合适的选择。

刚才提到的筛选方法是通过解决一系列渐进参数空之间的经验目标函数优化问题来估计半非参数模型，这可以分为两类:所有现有的估计非线性参数模型的准则都是合适的选择，一种称为m准则，即分位数回归非线性最小二乘法，另一种称为最小距离、广义估计方法gmm和经验估计方法。有限维有两种线性或非线性:有限维的线性和非线性。事实上，每个人都会做这个筛选，即使是现在的大学生。首先，如果线性回归失败，我们必须结束这种做法，然后开始使用这种新的筛选方法。

这是一个非常独特的理论，也是一个非常好的方法，可以更好地用于回归。许多参数是高度敏感的，所以我们在这里写多项式，测量带函数和人工神经网络。深度学习是最近经常谈论的，也就是有两个人工网络，这是一个非常典型的非线性筛选。其他包括输入机和机器波等。，这符合非常复杂的功能。最后，有无限维线性或非线性筛选与各种惩罚约束。如果你给我数据，你可以告诉使用的限制，并通过求解经验目标函数优化半非参数模型的估计。

我们有不同的标准和筛选空可供选择。半非参数非结构模型的估计非常灵活。这种模型也可能具有内生性、潜在抑制性或潜在状态相关性。标准的选择取决于模型研究者所关心的参数。例如，无内生性的非参数回归适用于m准则，内生性模型适用于md或gm准则，而screening的这种筛选方法可以很容易地添加形状、可加性、非复性或其他来自未知函数的约束，这是很容易计算的。

这是一个非常方便的计算。一旦我们用有限维筛空逼近未知函数，筛方法的应用就像参数非线性估计一样简单。例如，在20世纪80年代，出现了需求紧张的局面，这就是内生恩格尔曲线的形状不变系统。y1eli是一个家庭，Y是L的预算份额，y2l是所有非耐用品支出的对数，然后它是一个内生变量，即一个月购买非耐用品的成本，半非参考均值工具变量是一个公式。

恩格尔曲线的需求是什么？例如，l可能离得很近或很远，它的函数并不总是线性的，它可能看起来是非线性的。因此，我们应该理解，使用这种最小距离方法来估计完全取决于不同的参数。最后，筛选最小距离法用于上述两种情况。还有一些非功能。用这样的数据来告诉你这样的函数的组成，没有必要用线性方法来计算。这种筛选方法可以变得非常简单，因为恩格尔曲线y1li和y2li被用作基础。

这些都是回归的例子。我们将进行线性回归，然后添加不同变量的数据和估计值。在其他情况下，该图使用恩格尔估计，X轴是家庭总支出的对数，Y轴是家庭预算份额，然后形成估计的恩格尔曲线。这是国内用户在内生需求曲线中的汽油需求，传统方法不适用。在结构模型中，我们需要理解最优化理论，但是我们仍然使用一些变量。唯一的变化是R是一个连续的可导函数，它满足p0和p1的函数值，其中pi代表价格，yi代表家庭收入。如果我想考虑消费者剩余和不必要的损失都是价格税的变化如何影响消费者福利的度量，那么这个价格是一个很好的方法来证明当价格从p0变化到p1时，收入水平为Y的消费者的cs是否能满足这个函数值。我们需要知道价格收入从p0变化到p1时的变化，以及如何满足消费者福利的测量。

我们以前不知道该怎么办，但现在这个方法很简单。这是汽油价格上涨造成的福利影响。红线和黑线完全由家庭收入决定。家庭收入为72，500美元，另一边为42，500美元，这对低收入家庭的影响比高收入家庭更明显。这也是有机草莓的价格弹性函数，它与许多收入有关。价格由耶鲁学生制定。上面发表了一篇文章。通过比较估计的自然价格是其自身的价格弹性函数，blp方法依赖于参数假设，npiv筛选使用有机和无机草莓的价格弹性。如果我们做参数比较，blp是红线和非参数蓝线。它的价格弹性非常不同，代表了它的一些结果。

这些都是无条件一致约束模型，许多研究都对有效消耗时间可分函数的假设提出了自己的质疑，这种估计模型也很有名。我们可以看到，在同一年，有很多架构在这个模型中，其中大部分提出了效用的假设。该模型基于非线性习惯性资产定价。可以看出，研究人员需要使用非线性习惯函数来识别它是外部习惯还是内部习惯。

总而言之，对于未知函数h可以依赖于内生变量的半非参数条件模型，我们已经一起写了三篇论文。首先，我们对条件模型使用筛选md方法工具和beta统计。另外两篇文章扩展了我们的文章，即我们进一步扩展了它，使得我们可以在不同条件集的一般判断模型中得到β的渐近正态性，或者分别调整筛选维数。我非常喜欢和理查德一起工作，因为他们会问一些非常有趣的问题。我们可以看出，他们感兴趣的是非参数军事误差估计的收敛速度的npiv与未知函数筛内生恩格尔曲线系统。我们研究了这种误差，发展了这一领域的理论，包括它的具体曲线和函数。

现在我们更多地关注非参数均方误差，并针对可能非光滑的广义残差得到了筛选md和qlr检验的大样本性质。吉姆让我做更多的研究，我必须提到他。目前，还缺乏收敛速度比N根慢的函数推理结果，包括人工神经网络或深度学习。原位分析了具有非线性和非高斯势结构的半非参数动态模型，提出的数值模型筛选方法有待进一步研究。大数据时代需要更复杂的经济模型、更多的政策转换可能性，以及更多由内生和潜在动态相关性、非平稳性、测量误差、变量和模型选择引起的问题。所有这些大数据只会使我们的研究更加复杂，而这种惩罚筛选方法仍然适用。虽然我很少提及，但我们需要更仔细地研究随机优化算法与定量属性之间的相互作用，并相应地修改现有的模型和推理理论。

有这么多的数据，所以我们应该高度重视。托马斯提到的简单方法现在已经非常流行。虽然计算能力增加了很多，但是数据的增长速度比计算能力快，所以不可能计算所有的数据。Robinson模型已经被再次大规模使用，因此随机优化算法和计量属性之间的相互作用应该得到更仔细的处理。

来自金融部门金融渠道的作品都是有版权的作品，未经书面授权禁止任何媒体转载，否则将被视为侵权！